Кейс Go Mobile х Utair: как охватить на 180% больше аудитории
В рамках осеннего флайта медийной рекламной кампании в 2024 году мы тестировали новый подход в стратегии и смогли значительно перевыполнить план:
🟠 привели на 31% больше post-view конверсий,
🟠 охватили на 180% больше аудитории,
🟠 превысили плановые значения по post-click конверсиям на 52%.
Главное о совместной работе с Utair — в карточках, а подробностями кейса поделились с Sostav📌
В рамках осеннего флайта медийной рекламной кампании в 2024 году мы тестировали новый подход в стратегии и смогли значительно перевыполнить план:
Главное о совместной работе с Utair — в карточках, а подробностями кейса поделились с Sostav
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Go Mobile получили статус «Agency of the Year» от Mi Ads 🔥
Мы ценим признание и доверие коллег — за высокими результатами стоит вовлеченность всей нашей команды.
Благодарим наших партнеров и клиентов за совместную работу и поддержку — именно благодаря вам мы продолжаем расти и развиваться. Впереди — амбициозные цели, новые достижения и мощный рост. Go делать x2 с нами🚀
Следите за нашими новостями — впереди много интересных проектов, кейсов и событий!
Мы ценим признание и доверие коллег — за высокими результатами стоит вовлеченность всей нашей команды.
Благодарим наших партнеров и клиентов за совместную работу и поддержку — именно благодаря вам мы продолжаем расти и развиваться. Впереди — амбициозные цели, новые достижения и мощный рост. Go делать x2 с нами
Следите за нашими новостями — впереди много интересных проектов, кейсов и событий!
Please open Telegram to view this post
VIEW IN TELEGRAM
Как правильно проводить и оценивать A/B-тесты в ASO. Часть 3: Форматы A/B-тестов и анализ результатов
#экспертMobile360
A/B-тестирования бывают нескольких форматов. Сейчас рассмотрим, для чего нужен каждый из них.
🟠 A/B-тесты (фото №1) — сравниваются две витрины. Одна из витрин — основная, вторая — новая гипотеза. Проверяем, какая из витрин приносит лучшие показатели.
🟠 AA/BB-тесты (фото №2) — подходят для проверки стабильности данных, чтобы убедиться в отсутствии системных ошибок и понять какое количество данных необходимо, чтобы получать статистически значимые результаты. Тестируем две разные витрины с идентичными им витринами, но на разные аудитории. Так сможем оценить, одинаковые ли показатели они приносят. Если результаты AA или BB тестов отличаются, это может указывать на проблемы, например, некачественную аудиторию.
🟠 Если у вас много качественных гипотез можно прибегнуть к A/B/n-тесту, где n — множество вариантов (фото №3). Из плюсов — экономит время, гибкий подход — можем тестить элементы в разных сочетаниях. Из минусов — нужно больше трафика. Например, если у вас в среднем 10 000 установок в неделю, для A/B/n-теста потребуется минимум 40 000 установок, чтобы получить статистически значимые результаты.
❗️ Как долго тестировать?
Тестируем, пока не станем уверены в том, что результат статистически значимый: не ложноположительный или ложноотрицательный. Показатель того, что тест можно останавливать — стабильная динамика внутри теста.
Завершая тест, приходим к выбору — оставляем старую витрину или ставим новую. Полученные данные служат базой для формулирования новых гипотез и будущих тестов.
После теста нужно актуализировать список гипотез и сделать вывод по поведению пользователей. Например, мы добавили промокод на первый скриншот, но аудитории он не интересен — делаем вывод о том, что пользы в этом нет. Далее смотрим на список, если необходимо — дополняем новыми гипотезами и меняем приоритизацию. Все сформулированные выводы фиксируем, чтобы не повторяться в будущих тестах.
Регулярное и правильное тестирование гипотез позволит лучше понять, что привлекает пользователя.
Следующая часть будет заключительной в этой серии постов — рассмотрим распространенные ошибки, которые могут помешать тестированию, и нюансы тестирования в альтернативных сторах.
Женя Кузнецов, ASO Director Go Mobile
#экспертMobile360
A/B-тестирования бывают нескольких форматов. Сейчас рассмотрим, для чего нужен каждый из них.
Тестируем, пока не станем уверены в том, что результат статистически значимый: не ложноположительный или ложноотрицательный. Показатель того, что тест можно останавливать — стабильная динамика внутри теста.
Завершая тест, приходим к выбору — оставляем старую витрину или ставим новую. Полученные данные служат базой для формулирования новых гипотез и будущих тестов.
После теста нужно актуализировать список гипотез и сделать вывод по поведению пользователей. Например, мы добавили промокод на первый скриншот, но аудитории он не интересен — делаем вывод о том, что пользы в этом нет. Далее смотрим на список, если необходимо — дополняем новыми гипотезами и меняем приоритизацию. Все сформулированные выводы фиксируем, чтобы не повторяться в будущих тестах.
Регулярное и правильное тестирование гипотез позволит лучше понять, что привлекает пользователя.
Следующая часть будет заключительной в этой серии постов — рассмотрим распространенные ошибки, которые могут помешать тестированию, и нюансы тестирования в альтернативных сторах.
Женя Кузнецов, ASO Director Go Mobile
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Мы провели исследование рынка и составили рейтинг мобильных агентств с самой высокой выручкой за прошлый год.
По итогам 2024 года выручка лидеров в мобайле выросла на 21%. Несмотря на дефицит рекламного инвентаря, рынок уверенно растет. Доля трех крупнейших агентств увеличилась с 42% до 49% — бюджеты сосредотачиваются у ключевых игроков.
Please open Telegram to view this post
VIEW IN TELEGRAM
В ежегодном исследовании рынка мобильных агентств мы взяли комментарии от ключевых игроков — брендов, площадок, агентств. Читайте мнение экспертов о развитии сегмента в карточках
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Как правильно проводить и оценивать A/B-тесты в ASO. Часть 4: Потенциальные ошибки и тесты в альтернативных сторах
#экспертMobile360
💔 Потенциальные ошибки
Какие действия могут помешать успешному тестированию — рассказываю про распространенные ошибки:
🟠 Построить гипотезу не точно
Неопределенные или слишком общие гипотезы могут привести к результатам из которых мы не сможем сделать цельных выводов. Например, вместо «Улучшить пользовательский интерфейс» следует сформулировать гипотезу более конкретно: «Изменение цвета иконки на зеленый увеличит процент установок на 10%».
🟠 Не проверить гипотезу
Перед тестированием убедитесь, что визуальные материалы соответствуют и полностью проверяют гипотезу.
🟠 Сформулировать гипотезу только на интуиции
Важно опираться на данные предыдущих тестов, опыт конкурентов или другую аналитику — это повысит вероятность успешного результата.
🟠 Отобразить на витрине все фичи
Лучше протестить УТП отдельно и понять, что лучше откликается у людей и в отражении чего есть необходимость.
Понимание потенциальных ошибок, которые связаны с формулированием гипотезы в A/B-тестах и составлением креатива — ключевой шаг для успешного тестирования и применения полученных результатов в ASO.
🚀 Тесты в альтернативных сторах
В альтернативных сторах, например, региональном RuStore и вендорном AppGallery — нет возможности проводить A/B-тесты. Такие сторы практически не делятся подробными данными о трафике, что мешает анализу и оптимизации приложения.
Если ваше приложение есть в Google Play и альтернативных сторах — перенесите результаты из Google Play, если приложение осталось только в альтернативном сторе — можно воспользоваться следующими сервисами: Storemaven, Geeklab, SplitMetrics или другими аналогами.
Например, SplitMetrics проводит тесты на собственных лендингах, которые в точности повторяют витрину в приложении.
В результате вы получите данные по метрикам, которые нельзя получить нативно из админки стора:
🟠 CTR кнопки Install для каждой витрины;
🟠 сколько и как взаимодействовали со скриншотами (скроллинг, просмотр);
🟠 открытие описания;
🟠 конверсию после просмотра видео;
🟠 сколько времени пользователь провел на странице;
🟠 взаимосвязь между взаимодействием и установками.
Кроме A/B-тестирования на этих платформах возможно более глубоко проанализировать поведение пользователей, экспериментировать с рекламными кампаниями и автоматизировать их. Сервисы предлагают и другие инструменты: исследование стратегий конкурентов, онлайн-мониторинг поведения пользователей и работу с отзывами — все это поможет улучшить видимость приложения и масштабировать результаты.
К процессу A/B-тестирования нужно подходить комплексно и учитывать многие нюансы. Отдельного обсуждения заслуживают такие темы, как выборка пользователей, проверка статистической значимости и то, как различается поведение пользователей из разных гео и источников трафика.
На этом я завершаю серию постов на тему A/B-тестов в ASO. Если у вас остались вопросы по теме, пишите их в комментариях, и я с радостью лично на них отвечу.
📌 В качестве бонуса прикрепляю файлом чек-лист по A/B-тестированию в ASO.
Женя Кузнецов, ASO Director Go Mobile
#экспертMobile360
Какие действия могут помешать успешному тестированию — рассказываю про распространенные ошибки:
Неопределенные или слишком общие гипотезы могут привести к результатам из которых мы не сможем сделать цельных выводов. Например, вместо «Улучшить пользовательский интерфейс» следует сформулировать гипотезу более конкретно: «Изменение цвета иконки на зеленый увеличит процент установок на 10%».
Перед тестированием убедитесь, что визуальные материалы соответствуют и полностью проверяют гипотезу.
Важно опираться на данные предыдущих тестов, опыт конкурентов или другую аналитику — это повысит вероятность успешного результата.
Лучше протестить УТП отдельно и понять, что лучше откликается у людей и в отражении чего есть необходимость.
Понимание потенциальных ошибок, которые связаны с формулированием гипотезы в A/B-тестах и составлением креатива — ключевой шаг для успешного тестирования и применения полученных результатов в ASO.
В альтернативных сторах, например, региональном RuStore и вендорном AppGallery — нет возможности проводить A/B-тесты. Такие сторы практически не делятся подробными данными о трафике, что мешает анализу и оптимизации приложения.
Если ваше приложение есть в Google Play и альтернативных сторах — перенесите результаты из Google Play, если приложение осталось только в альтернативном сторе — можно воспользоваться следующими сервисами: Storemaven, Geeklab, SplitMetrics или другими аналогами.
Например, SplitMetrics проводит тесты на собственных лендингах, которые в точности повторяют витрину в приложении.
В результате вы получите данные по метрикам, которые нельзя получить нативно из админки стора:
Кроме A/B-тестирования на этих платформах возможно более глубоко проанализировать поведение пользователей, экспериментировать с рекламными кампаниями и автоматизировать их. Сервисы предлагают и другие инструменты: исследование стратегий конкурентов, онлайн-мониторинг поведения пользователей и работу с отзывами — все это поможет улучшить видимость приложения и масштабировать результаты.
К процессу A/B-тестирования нужно подходить комплексно и учитывать многие нюансы. Отдельного обсуждения заслуживают такие темы, как выборка пользователей, проверка статистической значимости и то, как различается поведение пользователей из разных гео и источников трафика.
На этом я завершаю серию постов на тему A/B-тестов в ASO. Если у вас остались вопросы по теме, пишите их в комментариях, и я с радостью лично на них отвечу.
Женя Кузнецов, ASO Director Go Mobile
Please open Telegram to view this post
VIEW IN TELEGRAM